基于自组织映射(SOM)的代谢组学探索：揭示良性前列腺增生(BPH)诊断与预后的新型生物标志物

为解决良性前列腺增生(BPH)早期诊断难题，研究人员采用液相色谱-高分辨质谱(LC-HRMS)技术结合自组织映射(SOM)算法，对32例BPH患者和30例健康对照的血浆代谢组进行分析。研究发现SOM能有效区分三类患者亚群，并鉴定出与炎症和氧化应激相关的潜在生物标志物，为BPH的精准诊疗提供了新思路。

　　

随着全球人口老龄化加剧，良性前列腺增生(BPH)已成为影响老年男性下尿路功能和生活质量的常见疾病。传统临床评估方法难以预测疾病进展，而代谢组学(metabolomics)技术为揭示BPH的代谢机制带来了新机遇。

研究团队选取62名受试者（32例前列腺体积>40 mL的BPH患者，30例健康对照），通过液相色谱-高分辨质谱(LC-HRMS)分析血浆样本。采用无监督和有监督数据分析方法，特别引入自组织映射(self-organizing maps, SOM)这一人工神经网络技术，成功将样本划分为三个特征性亚群，突破了原有临床分型的局限。

令人振奋的是，判别分析模型展现出优异的预测性能，化学数据与临床变量的整合分析揭示了显著相关性。研究首次发现与炎症反应和氧化应激(oxidation processes)相关的特征性代谢物，这些"代谢指纹"为阐明BPH的发病机制提供了分子层面的证据。

这项研究证实，SOM算法能够捕捉传统分析方法遗漏的生物标志物，其独特的模式识别能力使代谢组学成为开发BPH诊断预后模型的利器。该成果不仅为临床提供了新的分类视角，更开辟了通过代谢通路干预治疗BPH的潜在途径。